Master i matematik i maskininlärning
HSE University
Nyckelinformation
Campus läge
Moscow, Ryssland
språk
Engelsk
Studieformat
På Campus
Varaktighet
2 år
Takt
Heltid
Studieavgifter
RUB 390 000 / per year *
Ansökningstiden
Begär info
Tidigaste startdatum
Begär info
* 195 000 - 390 000 RUB / år
Stipendier
Utforska stipendiemöjligheter för att hjälpa till att finansiera dina studier
Introduktion
(Tidigare - Masterprogrammet 'Statistisk inlärningsteori')
Detta gemensamma program utbildar nästa generation forskare att effektivt genomföra grundläggande forskning och arbeta med nya utmanande problem inom statistisk inlärningsteori. Detta fält ligger i framkant av olika discipliner inom matematik och datavetenskap. Det är ett av de mest dynamiska områdena inom modern vetenskap, som omfattar matematisk statistik, maskininlärning, optimering och information och komplexitetsteori. Från och med programmets början samarbetar studenterna i tematiska arbetsgrupper och deltar aktivt i forskning, lärande från forskare från HSE och Skoltech samt ledande globala specialister inom statistik, optimering och maskininlärning.
Programöversikt
Detta program står vid korsningen mellan olika discipliner inom modern matematik och datavetenskap, inklusive statistik, optimering, inlärningsteori, informationsteori, komplexitetsteori, samt i skärningspunkten mellan vetenskap och innovation inom området modern informationsteknologi. Ledande experter på HSE och Skoltech ger tillsammans instruktioner i detta unika forskningsdrivna program.
Studenter deltar i en eller flera arbetsgrupper (forskningsseminarier), där de bestämmer fokusområden för en inledande undersökningsrapport och sedan löser utmaningar i skärningspunkten mellan banbrytande forskning och teknik inom statistisk inlärningsteori. Dessa seminarier bygger på lagarbete, eftersom uppgifterna utförs är så komplexa att de inte kan lösas av en enda person. Eleverna lär sig hur man effektivt samarbetar och sammanför sina olika kollektiva färdigheter, kompetenser och erfarenheter för att bestämma framgångsrika lösningar för komplicerade frågor.
Programkurser undervisas av ledande HSE experter, inklusive globalt kända forskare som Dr. Yurii Nesterov, Dr. Denis Belomestny, Dr. Dmitry Vetrov, Dr. Andrei Sobolevski, Dr. Alexey Naumov och Dr. Quentin Paris. Föreläsningar hålls också av Skoltech-professorer inklusive Dr. Ivan Oseledets, Dr. Viktor Lempitsky, Dr. Evgeny Burnaev och Dr. Yury Maximov. Detta team är ganska ungt, men medlemmarna har redan gjort betydande forskningsresultat.
Programmet samarbetar aktivt med Russian Academy of Sciences Institute for Information Transmission Problems, liksom med relevanta fakulteter vid Moscow State University och Moscow Institute of Physics and Technology. Utexaminerade fortsätter att arbeta för stora ryska och internationella företag och är mycket efterfrågade för sina exceptionella matematiska färdigheter.
Antagningar
Läroplan
Kurser HSE /Skoltech
1: a året
Grundkurser
- Moderna metoder för dataanalys: Stokastisk kalkyl
- Projektseminarium/ Innovationsverkstad
- Numerisk linjär algebra
- Moderna metoder för beslutsfattande: Avancerade statistiska metoder
- Maskininlärning
- Högdimensionella statistiska metoder
Valbara kurser
- Introduktion till datavetenskap
- Effektiva algoritmer och datastrukturer
- Digital bildbehandling
- Information och kodningsteorier
- Djup lärning
- Geometriska metoder för maskininlärning
2: a året
Grundkurser
- Modern algoritmoptimering
- Forskningsseminarium
Valbara kurser
- Bayesianska metoder för maskininlärning
- Slumpmässig matristeori
- Neurobayesiska modeller
Karriärmöjligheter
Programmet syftar till att förbereda forskare inom de mest dynamiska och efterfrågade områdena relaterade till matematik och datavetenskap. Kandidater från magisterprogrammet kan bedriva en praktisk eller forskningsinriktad karriär, som båda är populära inom ett av följande områden:
- Analyser i branschen, konsultverksamhet, olika typer av föreningar och stiftelser, statliga myndigheter, banker, investeringsfonder, etc .;
- Expertaktiviteter relaterade till metodutveckling, sannolikhetsmodellering, statistiska uppskattningar, transportplanering, optimering och prognosuppgifter, samt att ta fram effektiva metoder, styrteknik och dataanalys inom en mängd olika yrkesinriktningar;
- Tillhandahålla tekniskt stöd för analytiska och konsultgrupper som arbetar med maskininlärning, konstruktion, ekonomisk analys, modellering och optimering av transportnät;
- Deltagande i ledningsgrupper för analytiska, forsknings- och administrativa avdelningar.
Kandidater från magisterprogrammet för statistisk inlärningsteori kommer att få tillräcklig undervisning för att fortsätta med studier och forskning vid ledande globala och ryska centra för tillämpad matematik, matematisk modellering och datavetenskap, såsom Laboratory of Stochastic Algorithms and Nonparametric Statistics Institute for Weierstrass Applied Analysis och Stochastics och fakulteten för matematik, Humboldt University (Berlin), Katolska universitetet i Louvain (Belgien), Joseph Fourier University (Grenoble), Max Planck Institute for Mathematics (Bonn), University of Mannheim, ENSAE ParisTech (Paris) och Steklov Mathematical Institute (Moskva). Dessutom är många ledande företag, som Yandex, Google, Microsoft, Bosch, Huawei och Siemens, mycket intresserade av experter med en sådan bakgrund.